CN106605235A - 用于确定是否在扫描操作期间存在目标对象的方法及系统 - Google Patents

用于确定是否在扫描操作期间存在目标对象的方法及系统 Download PDF

Info

Publication number
CN106605235A
CN106605235A CN201580047048.0A CN201580047048A CN106605235A CN 106605235 A CN106605235 A CN 106605235A CN 201580047048 A CN201580047048 A CN 201580047048A CN 106605235 A CN106605235 A CN 106605235A
Authority
CN
China
Prior art keywords
fft
subset
peak value
peak
mfft
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201580047048.0A
Other languages
English (en)
Inventor
绍拉夫·班迪奥帕迪亚雅
伊丽莎·樱子·杜
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Qualcomm Inc
Original Assignee
Qualcomm Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Qualcomm Inc filed Critical Qualcomm Inc
Publication of CN106605235A publication Critical patent/CN106605235A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/12—Fingerprints or palmprints
    • G06V40/1347—Preprocessing; Feature extraction
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
    • G01S15/02—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems using reflection of acoustic waves
    • G01S15/04—Systems determining presence of a target
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/52—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00
    • G01S7/523—Details of pulse systems
    • G01S7/526—Receivers
    • G01S7/527—Extracting wanted echo signals
    • G01S7/5276—Extracting wanted echo signals using analogue techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/42—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation
    • G06V10/431—Frequency domain transformation; Autocorrelation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Human Computer Interaction (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Acoustics & Sound (AREA)
  • Image Processing (AREA)
  • Ultra Sonic Daignosis Equipment (AREA)
  • Image Input (AREA)
  • Image Analysis (AREA)

Abstract

本发明揭示用于确定是否通过扫描器检测对象的方法、装置及系统。确定、修改及评估快速傅里叶变换“FFT”。可相对于与所获取图像的像素值对应的经增益补偿像素值的子集确定每一FFT。

Description

用于确定是否在扫描操作期间存在目标对象的方法及系统
相关申请案的交叉参考
本申请案主张2014年9月12日申请的美国临时专利申请序列号62/050,025及2015年9月10日申请的美国非临时专利申请序列号14/850,853的优先权益。
技术领域
本发明是关于确定对象是否已被呈现以用于扫描的装置、系统及方法。
背景技术
当使用诸如超声波扫描器的扫描系统时，快速地确定是否已通过扫描操作扫描对象可为有益的。如果在扫描操作期间不存在对象，那么应舍弃及/或忽略通过扫描操作产生的信息而不进行进一步处理，以便保留处理器可用性且节省能量。然而，如果在扫描操作期间存在对象，那么可处理关于在扫描操作期间所获得的对象的信息，例如，以作为用以验证呈现所述对象的个体的努力的部分。如果进行验证，那么可准许个体参与特定活动。此类活动可包含(例如)使用智能手机或对建筑物内的禁区进行存取。
用于确定在扫描操作期间是否存在对象的方法集中于针对自扫描操作获得的像素信息确定标准偏差。此类方法已被证明是不准确的，特别当扫描器能力降低时(其常常随着时间推移而发生)。此类不准确度可由如下事实引起：当实际上对象尚未经呈现以用于扫描时，降级传感器常常产生复杂图案或有噪声图像，所述复杂图案或有噪声图像可被误认为是对象。
发明内容
本文中描述用于确定是否通过扫描器检测到对象的方法。一种此类方法通过提供扫描器开始，诸如具有包含多个扫描元件的区域阵列的超声波扫描器以用于检测超声波能量。扫描器用以执行扫描操作以便获取至少一个信息集(“所获取的信息集”)。所获取的信息集可由对应于扫描区域的像素的特定信息值组成。举例来说，特定像素可对应于扫描器的一或多个超音波换能器。所获取的信息集(例如，像素值)可经处理以提供经处理信息集。处理所获取的信息集可包含确定经增益补偿像素值。每一经增益补偿像素值可对应于所获取的信息集中的像素值。
可识别经处理信息集的子集，且可确定每一子集的快速傅里叶变换(“FFT”)。每一子集可对应于用于检测能量的扫描元件的不同行或不同列。可对每一FFT进行评估以便针对每一子集提供至少一个FFT导出的输出。接着，可针对FFT导出的输出作出关于那子集是否指示在扫描期间存在目标对象的确定。可针对每一子集提供指示FFT导出的输出是否指示在扫描操作期间存在目标对象的指示符。可对指示在扫描操作期间不存在对象的指示符计数以获得计数值，且可将所述计数值与计数阈值进行比较。如果计数值超过计数阈值，那么可发送指示在扫描操作期间不存在目标对象的消息。
对FFT的评估可包含移除DC分量以提供经修改FFT(“MFFT”)。可将MFFT用于额外评估工作中。举例来说，对FFT的评估可包含识别MFFT的峰值。识别MFFT峰值可包含识别峰值的最大值及/或识别MFFT峰值的位置。
对FFT的评估可包含对MFFT的峰值计数以提供峰值计数值。如果峰值计数值超过峰值数目阈值，那么可假定所获取的信息集过于嘈杂，且可假定在扫描操作期间不存在目标对象。在此情形下，指示符可指示在扫描操作期间不存在目标对象。
对FFT的评估可包含确定MFFT的经识别峰值是否在预定位置。如果MFFT在预定位置具有经识别峰值且峰值计数值在预定范围中，那么指示符可指示在扫描操作期间不存在目标对象。
对FFT的评估可包含确定峰值比率，所述峰值比率可通过以下各者确定：(a)识别第一峰值的最大值；(b)识别第二峰值的最大值；及(c)将最大值中的一者除以另一最大值以产生峰值比率。另外，可确定经处理信息集的标准偏差。接着，可将峰值比率与PR阈值进行比较，且可关于峰值比率是否超过PR阈值作出确定，且可将经计算标准偏差与局部SD阈值进行比较，且可关于标准偏差是否超过局部SD阈值作出确定。如果标准偏差并未超过局部SD阈值且峰值比率超过PR阈值，那么指示符可指示在扫描操作期间不存在目标对象。
而且，本文中描述用于确定是否检测到对象的系统。一个此类系统可包含用于扫描的装置(诸如扫描器(例如，区域阵列超声波扫描器))及用于处理的装置(诸如处理器(例如，作为微处理器))。扫描器可具有成行及成列布置的扫描元件，且每一子集可对应于扫描元件的不同行或不同列。
扫描器与处理器彼此通信。处理器经编程以执行指令以用于进行以下操作：(a)执行扫描操作以获取至少一个信息集(“所获取的信息集”)；(b)处理所获取的信息集以提供经处理信息集；(c)识别经处理信息集的子集；(d)针对每一子集确定快速傅里叶变换(“FFT”)；(e)评估每一FFT以针对每一子集提供至少一个FFT导出的输出；(f)确定每一子集的FFT导出的输出是否指示在扫描期间存在目标对象；及(g)针对每一子集提供指示FFT导出的输出是否指示在扫描操作期间存在目标对象的指示符。
处理器可经编程以执行指令以用于进行以下操作：(i)对指示在扫描期间不存在目标对象的指示符计数以提供计数值；(ii)比较计数值与计数阈值；及(iii)如果计数值超过计数阈值，那么发送指示在扫描期间不存在目标对象的消息。此类指令可经塑造以实行本文中所描述的方法中的一或多者。
而且，本文中描述非暂时性计算机可读存储媒体，其具有计算机可读指令的一或多个计算机程序以供由与生物识别扫描器通信的一或多个处理器执行以执行产生图像的方法。此类计算机程序可包含用于进行以下操作的指令：
(a)处理所获取的信息集以提供经处理信息集；
(b)识别经处理信息集的子集；
(c)针对每一子集确定快速傅里叶变换(“FFT”)；
(d)评估每一FFT以针对每一子集提供至少一个FFT导出的输出；
(e)确定每一子集的FFT导出的输出是否指示在扫描期间存在目标对象；及
(f)针对每一子集提供指示FFT导出的输出是否指示在扫描操作期间存在目标对象的指示符。
附图说明
为更全面地理解本发明的性质及目的，应参考附图及后续描述。简单来说，图式为：
图1是描绘确定是否在扫描操作期间存在目标对象的方法的流程图；
图2展示190个像素，其中八个像素被识别为已被选定(“S”)；
图3是描绘确定FFT导出的输出的方法的流程图；
图4A是在扫描操作期间在第一案例分析中通过超声波扫描器获得的图像信息的图形描述，在所述图形描述中，目标对象存在于压板上；
图4B是对应于第一案例分析的GCP值的FFT量值曲线图；
图4C是第一案例分析的MFFT的量值曲线图；
图5A是在扫描操作期间在第二案例分析中通过超声波扫描器获得的图像信息的图形描述，在所述图形描述中，目标对象不存在于压板上；
图5B是对应于第二案例分析的GCP值的FFT量值曲线图；
图5C是第二案例分析的MFFT的量值曲线图；
图6A是在扫描操作期间在第三案例分析中通过超声波扫描器获得的图像信息的图形描述，在所述图形描述中，目标对象不存在于压板上；
图6B是对应于第三案例分析的GCP值的FFT量值曲线图；
图6C是第三案例分析的MFFT的量值曲线图；
图7示意性地描绘用于确定是否在扫描操作期间存在对象的系统；且
图8A、8B及8C是涉及手指的在扫描操作各个阶段的系统的示意图。
具体实施方式
下文描述用于确定在扫描操作期间存在抑或不存在对象的装置系统及方法。可由获得关于对象的信息的扫描器通过检测自对象反射的能量或通过检测由存在此对象造成的能量改变来实行扫描操作。此类系统可将电容式、射频、热、压电电阻式、超声波或压电传感器用作用于检测对象存在的装置。许多此类扫描装置存在以用于检测自诸如手指的对象反射的超音波或光。一个此类超声波系统是基于超声波技术的高通公司(QualcommIncorporated)的3D指纹传感器。用于检测能量改变的系统可基于电容器布置，诸如由模型500dpi电容式指纹滑动传感器利用的电容器布置，所述500dpi电容式指纹滑动传感器是由专门从事指纹辨识(Idex)的挪威公司Idex ASA、法国意法半导体公司(STMicroelectronics)(ST)与挪威研究所SINTEF(SINTEF)之间的共同努力提供。为了易于描述，我们参考使用超音波来扫描手指的扫描器以用于验证个体的目的，但本文中所描述的装置、系统及方法不限于与超音波验证系统一起使用。
可使用超声波传感器的阵列来实行扫描操作以便获取信息(在本文中有时被称作“图像信息”)。那图像信息可描述诸如可驻留于扫描器压板上的手指的摩擦脊表面(例如，指纹)的对象。应注意，本文中所描述的方法不限于与具有压板的扫描器一起使用，但可使用并不具有压板的扫描器来使用本文中所描述的方法。然而，因为许多扫描器具有压板，所以在本文中参考压板来描述本发明的实施例。可对由扫描操作引起的所获取的图像信息进行处理及分析以确定所获取的图像信息是否具有指示是否在扫描操作期间提供对象的特性。
图1是描述确定是否在扫描操作期间提供对象(在本文中有时被称作“目标对象”)的方法的流程图。图1记录扫描器会执行10扫描以便获得由多个像素值组成的图像信息，其描述非常接近于超声波传感器阵列的对象。在目标对象经提供以用于扫描的情况下，每一像素值可指示自目标对象将驻留所在的压板的表面反射的超声波能量的量。像素值可为对应于灰度的数值。举例来说，极少超音波能量或无超音波能量经反射的区域可具有对应于灰度光谱的较暗末端的像素值，而大量超音波能量经反射的区域可具有对应于灰度光谱的较亮末端的像素值。每一像素值可经处理以提供经处理信息的对应集合。举例来说，每一像素值可经处理以提供经增益补偿像素值(在本文中有时被称作“GCP值”)。经处理信息集(例如，经增益补偿像素值)可用以确定是否在扫描操作期间存在目标对象。应注意，在本文中参考GCP值描述本发明，但可使用其它类型的经处理信息(例如，由使用归一化变换产生的经处理信息)。举例来说，参见M.Gruber及K.Y.Hsu的“具有高噪声容限的基于力矩的图像归一化(Moment-Based Image Normalization with High Noise Tolerance)”，模式分析与机器智能汇刊，第19卷，第136页至139页，1997年。而且，在K.Jain的“数字图像处理的原理(Fundamentals of Digital Image Processing)”，新泽西州恩格尔伍德克利夫斯：普伦蒂斯霍尔出版社，1989年中及R.C.Gonzalez，R.E.Woods，S.L.Eddins的“使用Matlab进行数字图像处理，第二版本(Digital Image Processing using Matlab,2nd edition)”，皮尔逊普伦蒂斯霍尔出版社，2009年中描述用于灰阶输入图像的线性归一化步骤。
在用于确定是否在扫描操作期间存在目标对象的一个此类方法中，将计数值设置为基准值(诸如零)，且计数值每当符合一或多个准则时递增60。举例来说，可存在三个准则，且如果符合此等准则中的一者，那么计数值可递增60。一旦经增益补偿像素值经处理以确定是否已符合准则，就可将计数值与计数阈值进行比较80，且如果计数值超过计数阈值，那么可确定在扫描操作期间不存在目标对象，且可发送指示不存在目标对象的消息。在接收此消息后，就可舍弃通过扫描操作获得的图像信息。
然而，如果计数值并未超过计数阈值，那么可确定在扫描操作期间存在目标对象，且可发送指示目标对象存在的消息。在接收此消息后，就可保存及/或进一步处理通过那扫描操作获得的图像信息。如上文所提及，如果确定在扫描操作期间存在目标对象，那么可处理图像信息以作为用以验证呈现目标对象的个体的努力的部分。如果已验证，那么可准许个体参与活动，诸如使用智能手机或进入建筑物。
图1中描绘的方法识别三个准则。在经增益补偿像素值的SD值小于SD阈值且PR输出大于PR阈值的情况下符合第一准则。在PN输出大于PN阈值的情况下符合第二准则。在PL输出在预定PL范围中且PN输出在预定PN范围中的情况下符合第三准则。下文更详细地解释这些准则中的每一者。
GCP值：在前述段落中概述的准则对经增益补偿像素值起作用。存在许多获得经增益补偿像素值的方法。举例来说，参见M Tang，DC Liu的“用于超声成像的合理化增益补偿(Rationalized gain compensation for ultrasound imaging)”，第7届亚太生物医学工程会议，282-285，Lee，Duhgoon；Kim，Yong Sun；Ra，Jong Beom的“超声成像系统中的自动时间增益补偿及动态范围控制(Automatic time gain compensation and dynamic rangecontrol in ultrasound imaging systems)”，医学成像2006：超声波成像及信号处理，其由国际光学工程学会的Emelianov、Stanislav、Walker、William F.的会议记录，第6147卷，第68页至76页(2006)及Mackovski，A.(1983)医学成像系统，普伦蒂斯霍尔出版社，新泽西州恩格尔伍德克利夫斯编辑。在这种状况下，我们概述一种产生GCP值的方式，其涉及获取五个图像。然而，应注意，确定对象存在的装置、系统及方法无需利用获得经增益补偿像素值的此特定方式。
获得经增益补偿像素值的特定方式可使用区域阵列超声波扫描器。区域阵列超声波扫描器具有多个超音波检测器，多个超音波检测器中的每一者产生包括图像信息的信息的像素。信息的每一像素可指示通过特定超音波检测器接收到的能量的量。为了自包括图像信息的像素值产生经增益补偿像素值，可进行五个扫描操作，每一扫描操作将产生图像信息集。可如下获取那五个图像信息集：
图像1号：将目标对象(“TO”)置放在扫描器上，且在扫描操作期间收集图像信息，其中关闭扫描器的猝发音。我们将此第一图像信息集称作“TOoff”。
图像2号：在目标对象仍然位于扫描器上的情况下，在扫描操作期间收集图像信息，其中开启扫描器的猝发音。我们将此第二图像信息集称作“TOon”。
图像3号：在扫描操作期间收集图像信息，其中在不向扫描器呈现目标对象(“NO”)时关闭扫描器的猝发音。我们将此第三图像信息集称作“NOoff”。
图像4号：在扫描操作期间收集图像信息，其中在未向扫描器呈现目标对象时开启扫描器的猝发音。我们将此第四图像信息集称作“NOon”。
图像5号：在扫描操作期间收集图像信息，其中当未向扫描器呈现目标对象时关闭扫描器的猝发音且将Dbias设置为+0.1V。我们将此第五图像信息集称作“NOdb”。
图像3号、4号及5号可在需要知晓是否存在目标对象的操作之前获得。举例来说，图像3号、4号及5号可经获得以作为制造工艺的最终步骤的部分，或可经获得以作为用于安装扫描器的工序的部分。图像1号及2号可经获得以作为用以确定是否存在目标对象的努力的部分，其自身可为用以验证个体的努力的部分。
使用那五个图像且在逐像素基础上进行处理时，可使用以下方程式来产生每一像素的经增益补偿值：
在提供关于经增益补偿像素值的信息之后，我们现在提供用于理解上文概述的三个准则的要素的信息。确切地说，我们提供对如何可获得SD值及三个FFT导出的输出(PR输出、PN输出及PL输出)的描述。
SD值：可确定GCP值(“整体SD值”)的标准偏差20。可提供整体标准偏差，且整体标准偏差可用于确定整体图像是否过于嘈杂的目的。举例来说，可将整体SD值与阈值进行比较，且如果整体SD值超过阈值，那么可将所获取的信息集视为过于嘈杂而无法进一步处理。
另外，可针对经处理信息集(例如，GCP值)的经选定子集(“局部SD值”)确定SD值，且SD值稍后用于确定计数值是否应递增的目的。具体来说，局部SD值可结合PR输出使用以确定是否递增计数值。下文更详细地论述对子集的选择。
FFT导出的输出：可针对包括GCP值的数据的子集中的每一者导出PR输出、PN输出及PL输出。举例来说，可选定像素行(或列)，且可识别那像素行(或列)的GCP值30以包括供导出快速傅里叶变换(“FFT”)的子集。计算机可经编程以接收诸如GCP值的子集的值，及产生40对应于那些值的FFT。可用于此类目的的特定程序是高通技术公司开发的FastCV计算机视觉SDK(https://developer.qualcomm.com/docs/fastcv/api/index.html)。
更一般来说，包括经选定GCP值的数据的子集可经选定以包含对应于像素群组的GCP值，所述像素群组可为对应于扫描器的列或行的像素的列或行。然而，像素群组无需对应于扫描器的列或行。举例来说，像素群组可为像素块，对于所述像素块，块中的每一像素紧邻块中的至少一个其它像素，或紧邻块中的至少两个其它像素。为了说明，图2展示来自扫描区域的190个像素，其中八个像素已经选定(“S”)以包括群组。应注意，像素群组无需为直线(例如，行或列)或块：可使用其它形状(例如，锯齿形线)或非标准形状来识别像素群组。另外，像素群组无需邻接。举例来说，可为如下状况：可选定邻接像素中的若干非邻接群组，且GCP值用以产生FFT。
像素群组可为扫描区域的全部，或为扫描区域的子集。另外，经选定像素群组可首先对应于一个像素群组，且接着，稍后对应于来自同一所获取信息集的集的不同像素群组。出于清楚起见，可多次应用使用同一所获取的信息集的所述方法，每次分析所获取的信息的不同部分。随后选定的像素群组可为首先选定的像素群组的子集，或可包含是首先选定的像素群组的部分的一些像素及并非是首先选定的像素群组的部分的一些像素。或者，随后选定的像素群组可为与首先选定的像素群组完全不同的像素群组。
通过多次应用本文中所描述的使用来自一个所获取的信息集的信息的子集的方法，可实行对对象(诸如指纹或触笔)的搜索。因而，在扫描区域的一些部分不具有对象的情形下，仍然可有可能识别确实有对象呈现的一个部分。可有可能用此信息来确定所获取的信息的哪些部分含有关于对象的信息及哪些部分不含有关于对象的信息。因而，可有可能确定产生关于对象的信息的像素的百分比，或相反地，确定未产生关于对象的信息的像素的百分比。
另外，如果扫描区域具有呈现对象的小部分，那么可为如下状况：分析完整扫描区域(或扫描区域的某一大部分)将产生不存在对象的结论，仅仅因为产生与对象相一致的特性的那些像素没有产生与未呈现对象相一致的特性的那些像素多。通过将所述方法应用于所获取的信息集的不同部分，可有可能找到产生与对象相一致的特性的那些像素，且从而正确地得出存在对象的结论。另外，可有可能识别产生大量噪声的扫描器的那些像素区域，并从而排除其对用以确定是否向扫描器呈现对象的努力的影响，例如，通过排除由那些像素产生的信息用于确定SD值、PL输出、PR输出和/或PN输出。或者，可有可能识别产生大量噪声的扫描器的那些像素区域，且接着针对不同于扫描器的其它区域的那个区域建立准则(例如，预定峰值位置、PR阈值、PN阈值、PN范围)。
理想地，在呈现目标对象以用于扫描的情况下，GCP值的每一子集经选定以主要包括从将会检测目标对象的像素导出的GCP值。如果扫描区域通常被目标对象完全覆盖，那么像素中的大部分或全部可产生潜在候选者以供选择40作为供导出FFT的子集。可为如下状况：扫描器是蜂窝电话的部分，且目标对象是经呈现以用于将用户验证为蜂窝电话的授权用户的手指。在此类情形下，扫描器通常在验证过程期间被用户的手指完全覆盖。
然而，如果扫描区域大于目标对象的预期大小，那么可存在常常在呈现目标对象时并不检测目标对象的像素，且那些像素可不产生理想候选者以供选择作为供导出FFT的子集。在那些情形下，可为如下状况：一些子集(例如，在扫描区域边缘处的列或行)将不大可能产生理想候选者以供选择成为子集，但其它子集(例如，包含在扫描区域中间的像素的列或行)更有可能产生将(当进行分析时)在呈现对象时指示对象存在且在未呈现对象时指示对象不存在的良好候选者。
一旦选定40GCP值的子集，就可接着确定40那子集的FFT且经分析以针对那子集确定50PR输出、PN输出及PL输出(统称为“FFT导出的输出”)。如上文所提及，FFT导出的输出可用以确定是否递增60计数值，所述计数值用以确定当获得图像1号及2号时是否存在目标对象。在存在额外子集待分析的情况下，此过程可重复70。
图3描绘用于获得特定子集的FFT导出的输出的方法的步骤。一旦获得200FFT，就可移除210FFT的DC分量以便提供经修改FFT(“MFFT”)。可识别220MFFT的峰值，且MFFT的峰值可用于三个不同操作中，每一操作产生PR输出、PN输出或PL输出中的一者。
为了产生PL输出，确定MFFT的峰值的位置且将其与预定位置进行比较。预定位置可为当不存在目标对象以用于扫描时已知(例如，根据先前经历)具有峰值的MFFT的曲线图上的位置。为了获得某一可挠性，可将预定位置定义为范围，且如果MFFT的一个峰值的位置属于PL范围，那么可作出PL输出应指示在预定位置存在峰值的确定230。然而，如果MFFT的峰值都不属于那PL范围，那么可作出PL输出应指示在预定位置不存在峰值的确定230。
为了产生PR输出，可选定240MFFT的两个峰值，且可产生250对应峰值的比率。举例来说，可识别两个最高峰值的最大值，且可通过将最高峰值的值除以第二高峰值的值来确定峰值比率。可将那经确定的峰值比率与PR阈值进行比较，且如果所述比率超过PR阈值，那么可作出PR输出应指示高峰值比率的确定260。然而，如果峰值比率并未超过PR阈值，那么可作出PR输出应指示不存在高峰值比率的确定260。可通过在以下公开案中所描述的峰值检测技术获得用于确定是否存在用于MFFT的高峰值比率的PR阈值：S.J.Davey，S.B.Colegrove及D.Mudge的1999年的“高级金达利追踪器：增强型峰值检测器(AdvancedJindalee Tracker:Enhanced Peak Detector)”，澳大利亚国防科委，技术报告第DSTO-TR-0659号，以及Jiapu Pan及Willis J.Tompkins的“实时QRS检测演算法(A Real-Time QRSDetection Algorithm)”，生物医学工程汇刊，第BME-32卷，第3号，1985年3月。
根据以上描述，现在将辨识将所述准则应用于所述子集中的每一者。因而，每一子集产生关于那子集指示在扫描操作期间存在抑或不存在目标对象的指示。如果特定子集指示在扫描操作期间不存在目标对象，那么计数值递增。但是，如果特定子集指示在扫描操作期间存在目标对象，那么计数值并未递增。通过设置计数阈值，系统管理器可建立系统将指示目标对象存在或不存在所到的程度。举例来说，如果系统管理器需要存在目标对象的较高肯定度，那么系统管理器可将计数阈值设置为低值。或者，如果系统管理器需要存在目标对象的较低肯定度，那么系统管理器可将计数阈值设置为高值。相似地，可调整局部SD阈值、PR阈值、PN阈值、PL范围及/或PN范围以获得所要肯定度。
为了产生PN输出，可识别超过预定PN阈值的MFFT的峰值，且进行计数270。举例来说，可将预定PN阈值设置为对应于一个峰值(例如，MFFT的最高峰值或第二高峰值)的值的百分比(例如，8％)。因此，举例来说，如果MFFT的第二高峰值的值是1300且所设置的百分比是9％，那么将对值大于117的峰值计数，而将不对值为117或小于117的峰值计数。如果所计数的峰值数目超过PN阈值，那么可作出PN输出应指示高峰值数目存在的确定280。如果所计数得峰值数目并未超过PN阈值，那么可作出PN输出应指示不存在MFFT的高峰值数目的确定280。在以下文章中描述用于确定用于确定280是否存在MFFT的高峰值数目的PN阈值的技术：Jiapu Pan及Willis J.Tompkins的“实时QRS检测演算法(A Real-Time QRS DetectionAlgorithm)”，生物医学工程汇刊，第BME-32卷，第3号，1985年3月。
另外，如果所计数的峰值数目在预定范围中，那么可作出PN输出应指示经计数峰值数目在预定PN范围内的确定290。然而，如果MFFT的经计数峰值的数目不在预定PN范围中，那么可作出PN输出应指示经计数峰值的数目不在预定范围内的确定290。
案例研究：以下三种案例研究说明上文所描述的方法的方面。
图4A、4B及4C对应于案例研究中的第一者。图4A以图形方式说明在目标对象存在于压板上的扫描操作期间通过超声波扫描器获得的图像信息。在图4A中使用灰度提供图像信息。指纹的脊线呈现为黑暗区域，指纹的谷线呈现为光亮区域。
图4B是对应于第一案例分析的GCP值的FFT量值曲线图。在FFT曲线图中间的大峰值对应于DC分量。通过移除DC分量及调整在曲线图的轴上识别的值，产生图4C，其是第一案例分析的MFFT的量值曲线图。应注意，图4C的MFFT曲线图展示大量峰值，其与存在目标对象一致，且经计数的峰值数目并未超过PN阈值。此特定案例分析并未产生对应于不存在目标对象的在预定位置中的高峰值。另外，此第一案例分析产生超过局部SD阈值的局部标准偏差。因而，上文所描述的方法产生在扫描操作期间呈现目标对象的指示。
图5A、5B及5C对应于案例研究中的第二者。图5A以图形方式说明在目标对象不存在于压板上的扫描操作期间通过超声波扫描器获得的图像信息。在图5A中使用灰度提供图像信息。不同于图4A，图5A的图像相对均一，且因此指示不存在目标对象。
图5B是对应于第二案例分析的GCP值的FFT量值曲线图。在FFT曲线图中间的大峰值对应于DC分量。通过移除DC分量及调整在曲线图的轴上识别的值，产生图5C，其是第二案例分析的MFFT的量值曲线图。应注意，图5C的MFFT曲线图展示大量峰值，但大部分并不极高，其与不存在目标对象一致。在此第二案例分析中，经计数的峰值数目并未超过PN阈值。而且，图5C展示在两个预定位置中的每一者中的MFFT的高峰值，其由圆圈识别。此第二案例分析产生在扫描操作期间不存在目标对象的指示。
图6A、6B及6C对应于案例研究中的第三者。图6A以图形方式说明在目标对象不存在于压板上的扫描操作期间通过超声波扫描器获得的图像信息。不同于第二案例分析，第三案例分析会产生极嘈杂的图像。参见图6A及图6C。为了改良区别仅为嘈杂的图像与具有噪声但可包含对象的图像的能力，可基于扫描器300的温度而调整用以识别对象存在的准则。参见图7。在此类实施例中，可包含温度传感器340，且温度传感器340可由微处理器310使用以选择先前已确定对于那特定温度最佳的(a)用以决定PL输出的预定位置的值，及/或(b)PR阈值，及/或(c)PN阈值，及/或(d)PN范围。
图6B是对应于第三案例分析的GCP值的FFT量值曲线图。在FFT曲线图中间的大峰值对应于DC分量。通过移除DC分量及调整在曲线图的轴上识别的值，产生图6C，其是第三案例分析的MFFT的量值曲线图。应注意，不同于图5C，图6C中展示的MFFT展示大量极高峰值。在此第三案例分析中，经计数的峰值数目超过PN阈值，且因此，PN输出指示高峰值数目。针对案例分析三的所得指示为在扫描操作期间不存在目标对象。
在描述用于确定是否通过扫描操作检测到对象的方法之后，应显而易见的是，用于执行那些方法的系统可包含扫描器300及处理器310。参见图7。处理器310可经由通信通道320而与扫描器300通信，且经编程以执行指令。可将指令存储在非暂时性计算机可读存储媒体330上，诸如CD、USB闪存驱动器或只读存储器装置。温度传感器340可用以确定扫描器300的温度，及向微处理器310提供温度信息。温度信息可由微处理器使用来调整用以确定是否向扫描器300呈现对象的准则。
扫描器300可具有扫描元件的区域阵列，至少一些扫描元件检测诸如超音波能量的能量。区域阵列可经布置以使得扫描元件成行及成列布置。
处理器310可经编程以执行指令以用于进行以下操作：
执行扫描操作以获取至少一个信息集(“所获取的信息集”)；
处理所获取的信息集以提供经处理信息se，其可包含经增益补偿像素值；
识别经处理信息集的子集；
针对每一子集确定快速傅里叶变换(“FFT”)；
评估每一FFT以向每一子集提供至少一个FFT导出的输出；
确定每一子集的FFT导出的输出是否指示在扫描期间存在目标对象；
向每一子集提供指示FFT导出的输出是否指示在扫描操作期间存在目标对象的指示符。
处理器310可经编程以执行指令以用于进行以下操作：
对指示在扫描期间不存在目标对象的指示符计数以提供计数值；
比较所述计数值与计数阈值；及
如果计数值超过计数阈值，那么发送指示在扫描期间不存在目标对象的消息。
用于评估每一FFT的指令可包含用于进行以下操作的指令：
(a)移除FFT的DC分量以便提供经修改FFT(“MFFT”)，
(b)识别MFFT的峰值，
(c)对MFFT的峰值计数以提供峰值计数值；
(d)确定MFFT的经识别峰值是否在预定位置；
(e)确定峰值比率，所述峰值比率是通过以下操作而进行确定：
识别第一峰值的最大值；
识别第二峰值的最大值；
将最大值中的一者除以另一最大值以产生峰值比率。
图8A、8B及8C描绘在扫描操作的各个阶段的扫描器300。处理器310可与诸如超声波发生器的能量发射器420及诸如超音波接收器的能量接收器430通信。处理器310可经编程以造成扫描器300扫描驻留在压板440上的对象470，及自接收器430接收关于由接收器430检测到的反射能量的信息。可经由非暂时性计算机可读存储媒体330对处理器310的编程，诸如CD、USB闪存驱动器或只读存储器装置。扫描可包含造成发射器420产生朝向驻留在压板440的经曝光表面444上的对象470(诸如手指)前进的平面波480a。对象470的外部表面可具有脊线472及谷线474，诸如通常在手指的摩擦脊上找到的脊线及谷线。
所发出的平面波480a前进到对象470，其中波能中的一些被反射。反射能量480b接着前进到接收器430，其中反射能量480b被接收器430检测到。处理器310可经编程以分析已被接收器430监检测到的反射能量480b，且接着提供分析结果。对反射能量480b的分析可根据上文所描述的方法。分析结果可为“对象”标记(在确定对象存在的情况下)一“空气”标记(在确定对象不存在的情况下)。
尽管本发明已参考一个或多个特定实施例予以描述，但应理解可在不脱离本发明的精神及范畴的情况下做出本发明的其它实施例。因此，将本发明视为仅由所附权利要求书及其合理解释限制。

Claims (30)

1.一种用于确定是否通过扫描器检测对象的方法，其包括：
提供扫描器；
使用所述扫描器执行扫描操作以获取至少一个信息集(“所获取的信息集”)；
处理所述所获取的信息集以提供经处理信息集；
识别所述经处理信息集的子集；
针对每一子集确定快速傅里叶变换“FFT”；
评估每一FFT以针对每一子集提供至少一个FFT导出的输出；
确定每一子集的所述FFT导出的输出是否指示在所述扫描期间存在目标对象；及
针对每一子集提供指示所述FFT导出的输出是否指示在所述扫描操作期间存在目标对象的指示符。
2.根据权利要求1所述的方法，其进一步包括：
对指示在扫描期间不存在目标对象的所述指示符计数以提供计数值；
比较所述计数值与计数阈值；及
如果所述计数值超过所述计数阈值，那么发送指示在扫描期间不存在目标对象的消息。
3.根据前述权利要求中的任一权利要求所述的方法，其中所述扫描器是区域阵列超声波扫描器。
4.根据前述权利要求中的任一权利要求所述的方法，其中评估每一FFT包含移除DC分量以提供经修改FFT“MFFT”。
5.根据权利要求4所述的方法，其中评估每一FFT包含识别所述MFFT的峰值。
6.根据权利要求5所述的方法，其中评估每一FFT包含对所述MFFT的峰值计数以提供峰值计数值。
7.根据权利要求6所述的方法，其中如果所述峰值计数值超过峰值数阈值，那么所述指示符指示在所述扫描操作期间不存在目标对象。
8.根据权利要求6所述的方法，其中评估每一FFT包含确定所述MFFT的经识别峰值是否在预定位置。
9.根据权利要求8所述的方法，其中如果所述MFFT在所述预定位置具有经识别峰值且所述峰值计数值在预定范围中，那么所述指示符指示在所述扫描操作期间不存在目标对象。
10.根据权利要求5所述的方法，其中评估每一FFT包含确定峰值比率，所述峰值比率是通过以下操作而确定：
识别第一峰值的最大值；
识别第二峰值的最大值；
将所述最大值中的一者除以另一最大值以产生所述峰值比率。
11.根据权利要求5至10中任一权利要求所述的方法，其进一步包括计算所述经处理信息集的标准偏差。
12.根据权利要求11所述的方法，其进一步包括：
比较所述峰值比率与PR阈值；
确定所述峰值比率是否超过所述PR阈值；
比较所述经计算标准偏差与局部SD阈值；
确定所述标准偏差是否超过所述局部SD阈值；
如果所述标准偏差并未超过所述局部SD阈值且所述峰值比率超过所述PR阈值，那么所述指示符指示在所述扫描操作期间不存在目标对象。
13.一种用于确定是否检测到对象的系统，其包括：
扫描器；
处理器，其与所述扫描器通信，所述处理器经编程以执行指令以用于进行以下操作：
执行扫描操作以获取至少一个信息集(“所获取的信息集”)；
处理所述所获取的信息集以提供经处理信息集；
识别所述经处理信息集的子集；
针对每一子集确定快速傅里叶变换“FFT”；
评估每一FFT以针对每一子集提供至少一个FFT导出的输出；
确定每一子集的所述FFT导出的输出是否指示在所述扫描期间存在目标对象；及
针对每一子集提供指示所述FFT导出的输出是否指示在所述扫描操作期间存在目标对象的指示符。
14.根据权利要求13所述的系统，其中所述扫描器是区域阵列超声波扫描器，且所述区域阵列具有成行及成列布置的扫描元件，且每一子集对应于所述扫描元件的不同行或不同列。
15.根据权利要求13或权利要求14所述的系统，其中处理所述所获取的信息集包含确定经增益补偿像素值。
16.根据权利要求13或权利要求14或权利要求15所述的系统，其中评估每一FFT包含移除DC分量以提供经修改FFT“MFFT”。
17.根据权利要求16所述的系统，其中评估每一FFT包含识别所述MFFT的峰值。
18.根据权利要求17所述的系统，其中评估每一FFT包含对所述MFFT的峰值计数以提供峰值计数值。
19.根据权利要求18所述的系统，其中如果所述峰值计数值超过峰值数阈值，那么所述指示符指示在所述扫描操作期间不存在目标对象。
20.根据权利要求18所述的系统，其中评估每一FFT包含确定所述MFFT的经识别峰值是否在预定位置。
21.根据权利要求20所述的系统，其中如果所述MFFT在所述预定位置具有经识别峰值且所述峰值计数值在预定范围中，那么所述指示符指示在所述扫描操作期间不存在目标对象。
22.根据权利要求18所述的系统，其中评估每一FFT包含确定峰值比率，所述峰值比率是通过以下操作而确定：
识别第一峰值的最大值；
识别第二峰值的最大值；
将所述最大值中的一者除以另一最大值以产生所述峰值比率。
23.根据权利要求17至22中任一权利要求所述的系统，其进一步包括计算所述经处理信息集的标准偏差。
24.根据权利要求23所述的系统，其进一步包括：
比较所述峰值比率与PR阈值；
确定所述峰值比率是否超过所述PR阈值；
比较所述经计算标准偏差与局部SD阈值；
确定所述标准偏差是否超过所述局部SD阈值；
如果所述标准偏差并未超过所述局部SD阈值且所述峰值比率超过所述PR阈值，那么所述指示符指示在所述扫描操作期间不存在目标对象。
25.一种非暂时性计算机可读存储媒体，其包括计算机可读指令的一或多个计算机程序以供与生物识别扫描器通信的一或多个处理器执行，从而执行产生图像的方法，所述计算机程序包括用于进行以下操作的指令：
处理所述所获取的信息集以提供经处理信息集；
识别所述经处理信息集的子集；
针对每一子集确定快速傅里叶变换“FFT”；
评估每一FFT以针对每一子集提供至少一个FFT导出的输出；
确定每一子集的所述FFT导出的输出是否指示在所述扫描期间存在目标对象；及
针对每一子集提供指示所述FFT导出的输出是否指示在所述扫描操作期间存在目标对象的指示符。
26.根据权利要求25所述的存储媒体，其中评估每一FFT包含移除DC分量以提供经修改FFT“MFFT”。
27.根据权利要求26所述的存储媒体，其中评估每一FFT包含识别所述MFFT的峰值。
28.一种用于确定是否检测到对象的系统，其包括：
用于扫描的装置；及
与用于扫描的所述装置通信的用于处理的装置，用于处理的所述装置经编程以执行指令以用于进行以下操作：
执行扫描操作以获取至少一个信息集(“所获取的信息集”)；
处理所述所获取的信息集以提供经处理信息集；
识别所述经处理信息集的子集；
针对每一子集确定快速傅里叶变换“FFT”；
评估每一FFT以针对每一子集提供至少一个FFT导出的输出；
确定每一子集的所述FFT导出的输出是否指示在所述扫描期间存在目标对象；及
针对每一子集提供指示所述FFT导出的输出是否指示在所述扫描操作期间存在目标对象的指示符。
29.根据权利要求28所述的系统，其中评估每一FFT包含移除DC分量以提供经修改FFT“MFFT”。
30.根据权利要求29所述的系统，其中评估每一FFT包含识别所述MFFT的峰值。
CN201580047048.0A 2014-09-12 2015-09-11 用于确定是否在扫描操作期间存在目标对象的方法及系统 Pending CN106605235A (zh)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US201462050025P 2014-09-12 2014-09-12
US62/050,025 2014-09-12
US14/850,853 US9547083B2 (en) 2014-09-12 2015-09-10 Determining whether a target object was present during a scanning operation
US14/850,853 2015-09-10
PCT/US2015/049834 WO2016040898A1 (en) 2014-09-12 2015-09-11 Method and system for determining whether a target object was present during a scanning operation

Publications (1)

Publication Number Publication Date
CN106605235A true CN106605235A (zh) 2017-04-26

Family

ID=55454551

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201580047048.0A Pending CN106605235A (zh) 2014-09-12 2015-09-11 用于确定是否在扫描操作期间存在目标对象的方法及系统

Country Status (5)

Country Link
US (1) US9547083B2 (zh)
EP (1) EP3192007A1 (zh)
JP (1) JP2017534949A (zh)
CN (1) CN106605235A (zh)
WO (1) WO2016040898A1 (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9665763B2 (en) * 2014-08-31 2017-05-30 Qualcomm Incorporated Finger/non-finger determination for biometric sensors
US9195879B1 (en) 2014-08-31 2015-11-24 Qualcomm Incorporated Air/object determination for biometric sensors

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4225850A (en) * 1978-11-15 1980-09-30 Rockwell International Corporation Non-fingerprint region indicator
EP1724725A1 (en) * 2004-03-04 2006-11-22 NEC Corporation Finger/palm print image processing system and finger/palm print image processing method
CN101711394A (zh) * 2007-06-26 2010-05-19 三菱电机株式会社 高性能图像识别
CN101853383A (zh) * 2010-05-17 2010-10-06 清华大学 高分辨率掌纹方向场提取方法
CN101878640A (zh) * 2007-11-30 2010-11-03 国立大学法人京都大学 图像噪声去除方法及装置
CN102369554A (zh) * 2009-04-01 2012-03-07 高通股份有限公司 用以旋转图像的设备和方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
HU184537B (en) * 1982-03-31 1984-09-28 Elektroakusztikai Gyar Fast fourier-analizator with multiprocessor
US6400996B1 (en) * 1999-02-01 2002-06-04 Steven M. Hoffberg Adaptive pattern recognition based control system and method
AU1330501A (en) 1999-10-07 2001-05-10 Veridicom, Inc. Spoof detection for biometric sensing systems
US7164440B2 (en) 2003-02-28 2007-01-16 Cross Match Technologies, Inc. Dynamic image adaptation method for adjusting the quality of digital prints
US8391568B2 (en) * 2008-11-10 2013-03-05 Validity Sensors, Inc. System and method for improved scanning of fingerprint edges

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4225850A (en) * 1978-11-15 1980-09-30 Rockwell International Corporation Non-fingerprint region indicator
EP1724725A1 (en) * 2004-03-04 2006-11-22 NEC Corporation Finger/palm print image processing system and finger/palm print image processing method
CN101711394A (zh) * 2007-06-26 2010-05-19 三菱电机株式会社 高性能图像识别
CN101878640A (zh) * 2007-11-30 2010-11-03 国立大学法人京都大学 图像噪声去除方法及装置
CN102369554A (zh) * 2009-04-01 2012-03-07 高通股份有限公司 用以旋转图像的设备和方法
CN101853383A (zh) * 2010-05-17 2010-10-06 清华大学 高分辨率掌纹方向场提取方法

Also Published As

Publication number Publication date
US20160077205A1 (en) 2016-03-17
JP2017534949A (ja) 2017-11-24
US9547083B2 (en) 2017-01-17
WO2016040898A1 (en) 2016-03-17
EP3192007A1 (en) 2017-07-19

Similar Documents

Publication Publication Date Title
US11789545B2 (en) Information processing device and method, program and recording medium for identifying a gesture of a person from captured image data
US7697749B2 (en) Stereo image processing device
US20080292192A1 (en) Human detection device and method and program of the same
JP2018508891A (ja) 線間距離計算方法、線間距離計算装置、コンピュータプログラム、及びコンピュータ読み取り可能な記憶媒体
CN104933721A (zh) 基于颜色滤波阵列特性的拼接图像篡改检测方法
JP6039413B2 (ja) 文字切り出し装置、文字認識装置、文字切り出し方法、およびプログラム
US20050180602A1 (en) Method, apparatus and program for detecting an object
US7561732B1 (en) Method and apparatus for three-dimensional shape estimation using constrained disparity propagation
US11567207B2 (en) Apparatus and method for efficient point cloud feature extraction and segmentation framework
CN106605235A (zh) 用于确定是否在扫描操作期间存在目标对象的方法及系统
KR101916460B1 (ko) 깊이 정보를 이용한 물체 인식 방법 및 장치
US20230306791A1 (en) Method and apparatus with liveness detection
CN112396603A (zh) 一种多柱神经网络医学影像分析方法及装置
Yao et al. A sub-pixel edge detection method based on canny operator
CN102799880B (zh) 用于捕获滚动指纹图像的装置和方法
CN112766109B (zh) 一种红外弱小目标自适应检测方法
CN105719288A (zh) 基于二叉树的单目图像中物体深度次序估计方法
JP5773935B2 (ja) シーンにおけるオブジェクトを分類する方法
US20230334629A1 (en) Method for labeling image object and circuit system
JP2006047252A (ja) 画像処理装置
JP4718527B2 (ja) 物体検出装置、物体検出方法、物体検出プログラムおよびそのプログラムを記録した記録媒体
Kamath Selecting Parameters for Image Processing Algorithms: A Case Study Using Retinal Image Segmentation
CN116523904A (zh) 一种基于人工智能的金属冲压件表面划痕检测方法
CN116188510A (zh) 一种基于多传感器的企业排放数据采集系统
Lodin et al. Automatic Iris Location Using Hough Transform.

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20170426

WD01 Invention patent application deemed withdrawn after publication